タグ付けされた質問 「keras」

私が使用していますタロスとGoogleのコラボTPUをのハイパーパラメータのチューニングを実行するためにKerasのモデルを。Tensorflow 1.15.0とKeras 2.2.4-tfを使用していることに注意してください。 import os import tensorflow as tf import talos as ta from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense from tensorflow.keras.optimizers import Adam from sklearn.model_selection import train_test_split def iris_model(x_train, y_train, x_val, y_val, params): # Specify a distributed strategy to use TPU resolver = tf.contrib.cluster_resolver.TPUClusterResolver(tpu='grpc://' + os.environ['COLAB_TPU_ADDR']) tf.contrib.distribute.initialize_tpu_system(resolver) strategy …

10 tensorflow  keras  google-colaboratory  google-cloud-tpu  talos 

私のモデルは、数字の画像（MNIST dataset）でトレーニングされています。ネットワークの2番目のレイヤーの出力（128個の数値の配列）を印刷しようとしています。 多くの例を読んだ後-たとえば、これ、これ、またはこれ。 私は自分のネットワークでこれをどうにかしてできませんでした。どちらのソリューションも自分のアルゴリズムでは機能しません。 Colabへのリンク：https ://colab.research.google.com/drive/1MLbpWJmq8JZB4_zKongaHP2o3M1FpvAv?fbclid=IwAR20xRz2i6sFS-Nm6Xwfk5hztdXOuxY4tZaDRXxAx3b98AHGaToa9 さまざまなエラーメッセージが多数表示されました。ひとつひとつ処理しようとしたのですが、自分ではわかりませんでした。 何が欠けていますか？セカンドレイヤーを出力するには？ 私の形状が(28,28)-のタイプと値はinput_shape何ですか？ 失敗した試行とエラーの例： （1） for layer in model.layers: get_2nd_layer_output = K.function([model.layers[0].input],[model.layers[2].output]) layer_output = get_2nd_layer_output(layer)[0] print('\nlayer output: get_2nd_layer_output=, layer=', layer, '\nlayer output: get_2nd_layer_output=', get_2nd_layer_output) TypeError：入力はリストまたはタプルである必要があります。 （2） input_shape=(28, 28) inp = model.input # input placeholder outputs = [layer.output for layer in model.layers] # all layer …

9 python  tensorflow  keras 

（TensorFlow 2.0をサポートしていないKeras。TensorFlow1.14を使用tf.kerasするか、またはTensorFlow 1.14にダウングレードすることをお勧めします）に関するエラーがあります。 ありがとう import keras #For building the Neural Network layer by layer from keras.models import Sequential #To randomly initialize the weights to small numbers close to 0(But not 0) from keras.layers import Dense classifier=tf.keras.Sequential() classifier.add(Dense(output_dim = 6, init = 'uniform', activation = 'relu', input_dim = 11)) RuntimeError: It …

9 python  tensorflow  keras  neural-network  tf.keras 

コンポーネントごとに適用されるバンプ関数の次のバリアントをコーディングしようとしています： 、 ここで、σはトレーニング可能です。しかし、機能していません（エラーは以下に報告されています）。 私の試み： これが私がこれまでにコーディングしたものです（役立つ場合）。（たとえば）2つの関数があるとします。 def f_True(x): # Compute Bump Function bump_value = 1-tf.math.pow(x,2) bump_value = -tf.math.pow(bump_value,-1) bump_value = tf.math.exp(bump_value) return(bump_value) def f_False(x): # Compute Bump Function x_out = 0*x return(x_out) class trainable_bump_layer(tf.keras.layers.Layer): def __init__(self, *args, **kwargs): super(trainable_bump_layer, self).__init__(*args, **kwargs) def build(self, input_shape): self.threshold_level = self.add_weight(name='threshlevel', shape=[1], initializer='GlorotUniform', trainable=True) def …

8 python  tensorflow  machine-learning  keras  tf.keras 

画像のデータセットと.csv、各画像のデータがいくつかあるとします。あなたの目標は、畳み込みブランチと他のブランチ（私の場合はMLP）を持つNNを作成することです。 さて、ネットワークを作成する方法についてはたくさんのガイド（ここでは1つ、もう1つ）がありますが、それは問題ではありません。 ここでの問題は、拡張画像を追加するKeras フローからの[[convolution_input, other_features], target]場合の形でイテレーターを作成する方法です。convolution_inputImageDataGenerator より具体的には、n番目の画像（拡張されたものであるかどうかに関係なく）がNNに供給されると、その内部の元の機能が必要になりますother_features。 私はいくつかの試みを見つけました（こことここで、2番目は有望に見えましたが、拡張画像を処理する方法を理解することができませんでした）それを正確に実行していましたが、Kerasジェネレータが行う可能性のあるデータセット操作を考慮していないようですします。

8 python  keras  conv-neural-network  data-augmentation 

の公式チュートリアルは@tf.function言う： 最高のパフォーマンスを得て、モデルをどこにでもデプロイできるようにするには、tf.functionを使用してプログラムからグラフを作成します。AutoGraphのおかげで、驚くほどの量のPythonコードがtf.functionで機能するだけですが、まだ注意すべき落とし穴があります。 主な要点と推奨事項は次のとおりです。 オブジェクトの変更やリストの追加などのPythonの副作用に依存しないでください。 tf.functionは、NumPy演算やPythonプリミティブではなく、TensorFlow演算で最適に機能します。 疑問がある場合は、for x in yイディオムを使用してください。 それだけ言及どのように実装する@tf.function注釈付きの機能はありませんしたときにそれを使用します。 少なくとも関数に注釈を付ける必要があるかどうかを判断する方法にヒューリスティックはありtf.functionますか？副作用を削除したり、range()->のようなものを変更するのが面倒だったりしない限り、そうしない理由はないようですtf.range()。しかし、私がこれをやる気があるなら... @tf.functionすべての機能を使用しない理由はありますか？

8 tensorflow  keras  tensorflow2.0  tf.keras  tensorflow2.x 

私は現在TF2.0 API を取得しようとしていますが、GradientTapeを通常のkeras.Model.fitと比較すると、次のことに気づきました。 実行速度が遅くなりました（おそらく意欲的な実行が原因です） 収束が非常に遅くなった（そして、なぜかはわからない）。 +--------+--------------+--------------+------------------+ | Epoch | GradientTape | GradientTape | keras.Model.fit | | | | shuffling | | +--------+--------------+--------------+------------------+ | 1 | 0.905 | 0.918 | 0.8793 | +--------+--------------+--------------+------------------+ | 2 | 0.352 | 0.634 | 0.2226 | +--------+--------------+--------------+------------------+ | 3 | 0.285 | 0.518 | 0.1192 …

8 python  tensorflow  keras  tensorflow2.0 

PyCharmに安定版のTensorFlow 2.0（2019年10月1日にリリース）をインストールしました。 問題は、kerasパッケージが利用できないことです。 実際のエラーは： 「テンソルフローから名前「ケラス」をインポートできません」 を介してインストールしpip install tensorflow==2.0.0たCPU version後、CPUバージョンをアンインストールし、GPUバージョンをインストールしました。pip install tensorflow-gpu==2.0.0. 上記で機能したTensorFlowのバージョンはいずれも正しく機能していませんでした（を介してkerasまたは他のパッケージをインポートできませんでしたfrom tensorflow.package_X import Y）。 TensorFlowをバージョン2.0.0.b1に戻した場合、kerasはパッケージとして利用でき（PyCharmはそれを認識します）、すべてがスムーズに実行されます。 この問題を解決する方法はありますか？インストールプロセスを間違えていませんか？ 更新--- Pythonコンソールからのインポートが機能し、エラーなしでインポートできます。

8 tensorflow  keras  pycharm  tensorflow2.0  tf.keras